feat: 添加专栏文章处理支持
- kb_workflow.py: 添加内容类型判断函数 - is_video_content(): 判断视频内容 - is_text_content(): 判断文字内容（专栏/问答） - is_image_content(): 判断图片内容 - get_content_handler(): 获取处理方式 - SKILL.md: 完善条件分支逻辑 - 添加内容类型判断表格 - 添加专栏文章处理流程说明 - 添加专栏文章的步骤4.2处理指南 - 更新子技能清单，添加专栏文章命令
This commit is contained in:
@@ -156,6 +156,13 @@ python3 /path/to/zhihu_metadata.py --id "[ID]" --type question --output "${metad
|
||||
|
||||
### 步骤 4: 内容下载
|
||||
|
||||
> ⚠️ **根据内容类型选择处理方式**：
|
||||
> - **视频 (video)**：下载字幕/视频
|
||||
> - **专栏文章 (article)**：提取文字内容（跳过步骤5）
|
||||
> - **知乎问答/专栏**：提取文字内容（跳过步骤5）
|
||||
|
||||
#### 4.1 视频内容处理（type=video）
|
||||
|
||||
1. 获取目录路径：
|
||||
```bash
|
||||
python3 kb_workflow.py --content_downloads
|
||||
@@ -176,6 +183,34 @@ python3 /path/to/bilibili_content.py --id "[ID]" --type subtitle-download --outp
|
||||
|
||||
> ⚠️ **重要提示**：没有找到官方字幕是**正常的**！很多视频没有自动生成的字幕。不要因为没有字幕就停止工作流，继续执行 Whisper 步骤即可。
|
||||
|
||||
#### 4.2 专栏文章处理（type=article/zhuanlan/question）
|
||||
|
||||
1. 获取目录路径：
|
||||
```bash
|
||||
python3 kb_workflow.py --content
|
||||
```
|
||||
|
||||
2. 启动子代理调用对应平台的 content 技能提取文字：
|
||||
|
||||
**B站专栏 (article)**：
|
||||
```bash
|
||||
# 提取专栏文字内容
|
||||
python3 /path/to/bilibili_content.py --id "cv[ID]" --type article --output [content_dir]
|
||||
|
||||
# 示例：cv43780186 → id 填 43780186
|
||||
python3 /path/to/bilibili_content.py --id "43780186" --type article --output [content_dir]
|
||||
```
|
||||
|
||||
**知乎文章/问答**：
|
||||
```bash
|
||||
# 知乎问答/专栏提取（需要对应的 content 技能支持）
|
||||
python3 /path/to/zhihu_content.py --id "[ID]" --type [question|answer|zhuanlan] --output [content_dir]
|
||||
```
|
||||
|
||||
3. 解析输出 JSON，提取文字内容用于深度分析
|
||||
|
||||
> ⚠️ **重要**：专栏文章不需要 Whisper 步骤，提取完文字后直接进入步骤 6（深度分析）
|
||||
|
||||
### 步骤 5: 语音识别转文字（仅当没有官方字幕时执行）
|
||||
|
||||
> ⚠️ **重要**：此步骤仅在**没有官方字幕**时执行。如果有官方字幕，**跳过此步骤**。
|
||||
@@ -285,15 +320,31 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
|
||||
|------|--------|----------|------|------|
|
||||
| 2 | kb-link-parser | `--url "BVxxx"` | `{p}_{id}.link.json` | |
|
||||
| 3 | kb-bilibili-metadata | `--id "BVxxx" --type video` | `{p}_{id}.meta.json` | |
|
||||
| 3 | kb-bilibili-metadata | `--id "cvxxx" --type article` | `{p}_{id}.meta.json` | 专栏元数据 |
|
||||
| 3 | kb-zhihu-metadata | `--id "xxx" --type question` | `{p}_{id}.meta.json` | |
|
||||
| 4 | kb-bilibili-content | `--id "BVxxx" --type subtitle-download` | `{p}_{id}.srt` | 如果没有字幕是正常的 |
|
||||
| 4 | kb-bilibili-content | `--id "BVxxx" --type video` | `{p}_{id}.mp4` | 如果需要下载视频 |
|
||||
| 4 | kb-bilibili-content | `--id "cvxxx" --type article` | `{p}_{id}.txt` | **专栏文章提取文字** |
|
||||
| 5 | kb-whisper | `--input xxx.mp4 --model base` | `{p}_{id}.json`, `{p}_{id}.txt` | 仅当没有官方字幕时执行 |
|
||||
| 5 | kb-whisper-diarization | `--input xxx.mp4 --model base --diarize` | `{p}_{id}_diarized.json` | 带说话者分离（需 HF_TOKEN） |
|
||||
| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md --provider zhipu --model glm-5` | `{p}_{id}.md` | **使用 g5 模型，必须成功** |
|
||||
|
||||
## 条件分支逻辑
|
||||
|
||||
### 内容类型判断
|
||||
|
||||
链接解析后，根据 `type` 字段判断内容类型：
|
||||
|
||||
| type 值 | 内容类型 | 处理方式 |
|
||||
|---------|---------|---------|
|
||||
| `video` | 视频 | 下载视频/字幕，可能需要 Whisper |
|
||||
| `article` | B站专栏 | 直接提取文字内容 |
|
||||
| `zhuanlan` | 知乎专栏 | 直接提取文字内容 |
|
||||
| `question` / `answer` | 知乎问答 | 直接提取文字内容 |
|
||||
| `note` | 小红书 | 下载图片 |
|
||||
|
||||
### 视频处理流程（type=video）
|
||||
|
||||
```
|
||||
步骤3: 获取元数据
|
||||
↓
|
||||
@@ -316,6 +367,24 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
|
||||
└─────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 专栏文章处理流程（type=article/zhuanlan/question）
|
||||
|
||||
```
|
||||
步骤3: 获取元数据
|
||||
↓
|
||||
步骤4: 提取专栏/文章文字内容
|
||||
│ 命令: python3 bilibili_content.py --id "cvxxx" --type article
|
||||
↓
|
||||
步骤6: 深度分析（直接使用提取的文字）
|
||||
↓
|
||||
┌─────────────────────────────────────┐
|
||||
│ kb-deep-analyzer 执行结果 │
|
||||
├─────────────────────────────────────┤
|
||||
│ success = true → 步骤7（归档） │
|
||||
│ success = false → ❌ 整个流程失败 │
|
||||
└─────────────────────────────────────┘
|
||||
```
|
||||
|
||||
> ⚠️ **重要：深度分析失败则整个流程失败**
|
||||
> - 深度分析必须使用正确的 AI 模型（glm-4.7）完整分析字幕内容
|
||||
> - 如果 `kb-deep-analyzer` 返回 `success: false`，**必须汇报失败**，不能继续执行后续步骤
|
||||
|
||||
@@ -33,6 +33,53 @@ CONTENT_AGENTS = {
|
||||
}
|
||||
|
||||
|
||||
# ==================== 内容类型判断 ====================
|
||||
|
||||
# 需要下载视频/字幕的内容类型
|
||||
VIDEO_CONTENT_TYPES = {"video"}
|
||||
|
||||
# 需要提取文字的内容类型
|
||||
TEXT_CONTENT_TYPES = {"article", "zhuanlan", "question", "answer"}
|
||||
|
||||
# 需要下载图片的内容类型
|
||||
IMAGE_CONTENT_TYPES = {"note"}
|
||||
|
||||
|
||||
def is_video_content(content_type: str) -> bool:
|
||||
"""判断是否为视频内容类型"""
|
||||
return content_type in VIDEO_CONTENT_TYPES
|
||||
|
||||
|
||||
def is_text_content(content_type: str) -> bool:
|
||||
"""判断是否为文字内容类型（专栏、文章、问答等）"""
|
||||
return content_type in TEXT_CONTENT_TYPES
|
||||
|
||||
|
||||
def is_image_content(content_type: str) -> bool:
|
||||
"""判断是否为图片内容类型（小红书等）"""
|
||||
return content_type in IMAGE_CONTENT_TYPES
|
||||
|
||||
|
||||
def get_content_handler(content_type: str) -> str:
|
||||
"""
|
||||
获取内容处理方式
|
||||
|
||||
Returns:
|
||||
"video" - 需要下载视频/字幕
|
||||
"text" - 需要提取文字
|
||||
"image" - 需要下载图片
|
||||
"unknown" - 未知类型
|
||||
"""
|
||||
if is_video_content(content_type):
|
||||
return "video"
|
||||
elif is_text_content(content_type):
|
||||
return "text"
|
||||
elif is_image_content(content_type):
|
||||
return "image"
|
||||
else:
|
||||
return "unknown"
|
||||
|
||||
|
||||
# ==================== 工具函数 ====================
|
||||
|
||||
def extract_platform(filename: str) -> str:
|
||||
|
||||
Reference in New Issue
Block a user